| 一种基于参考点和密度的快速聚类算法 |
| |
| 引用本文： | 马帅,王腾蛟,唐世渭,杨冬青,高军.一种基于参考点和密度的快速聚类算法[J].软件学报,2003,14(6):1089-1095. |
| |
| 作者姓名： | 马帅 王腾蛟 唐世渭 杨冬青 高军 |
| |
| 作者单位： | 1. 北京大学,计算机科学技术系,北京,100871
2. 北京大学,计算机科学技术系,北京,100871;北京大学,视觉与听觉信息处理国家重点实验室,北京,100871 |
| |
| 基金项目： | Supported by the National High-Tech Research and Development Plan of China under Grant No.2002AA483440 (国家高技术研究发展计划(863)); the National Grand Fundamental Research 973 Program of China under Grant No.G1999032705 (国家重点基础研究发展规划(973)); the Foundation of the Innovation Research Institute of PKU-IBM of China (北京大学-IBM创新研究院项目) |
| |
| 摘 要： | 数据的规模越来越大,要求数据挖掘算法有很高的执行效率.基于密度的聚类是聚类分析中的一种,其主要优点是发现任意形状的聚类和对噪音数据不敏感.提出了一种新的基于参考点和密度的CURD(clustering using references and density)聚类算法,其创新点在于,通过参考点来准确地反映数据的空间几何特征,然后基于参考点对数据进行分析处理.CURD算法保持了基于密度的聚类算法的上述优点,而且CURD算法具有近似线性的时间复杂性,因此CURD算法适合对大规模数据的挖掘.理论分析和实验结果也证明了CURD算法具有处理任意形状的聚类、对噪音数据不敏感的特点,并且其执行效率明显高于传统的基于R*-树的DBSCAN算法.
|
| 关 键 词： | 聚类 密度 高维 参考点 数据挖掘 |
| 收稿时间： | 2002/4/19 0:00:00 |
| 修稿时间： | 7/2/2002 12:00:00 AM |
A Fast Clustering Algorithm Based on Reference and Density |
| |
| MA Shuai,WANG Teng-Jiao,TANG Shi-Wei,YANG Dong-Qing and GAO Jun.A Fast Clustering Algorithm Based on Reference and Density[J].Journal of Software,2003,14(6):1089-1095. |
| |
| Authors: | MA Shuai WANG Teng-Jiao TANG Shi-Wei YANG Dong-Qing and GAO Jun |
| |
| Abstract: | |
| |
| Keywords: | clustering density high dimension reference data mining |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《软件学报》浏览原始摘要信息 |
|
点击此处可从《软件学报》下载全文 |
|
